今天把昨天讲的论文做一个总结,明天就要开始介绍attention了
这是本文使用的资料及
称为actor 和 action 的资料集
图中可以看到会有动作及演员
这张图是资料集中的分类
Actor的部分是y轴的部分,action的部分则是x轴的部分
这个结果最上面的部分为原图
中间的部分为CNN做出来的结果
最下面则是胶囊网路做出来的结果
从结果可以看出
胶囊网路可以识别的出来在右边
而非只能式别出白色的狗
IoU是联集分之交集
前面overlap的[email protected]则是IoU threshol超过0.5以上的范围
分别对0.5 0.6 0.7 0.8 0.9 的threshold
mAP(mean average precision)则是将overlap p 0.5到0.95的部分加总并且平均
可以看的出来本文提出的方法和之前的方法比起来
准确度更高
提示、渴望、回应、犒赏是《原子习惯》里基本四步骤。 书里面讲到习惯,我们以为只是回应的行动,但实际上...
昨天介绍了各种选择器,今天介绍伪类及伪元素样式设定,可以让画面有更多的样式变化,也减少html co...
Gitea Docker版本 绑定自签凭证by Nginx 当你的Gitea需要绑定SSL时有个快速...
接着到桌面新增一个资料夹,我们就命名为linebot cd Desktop mkdir linebo...
前言 延续上一篇,这次要着重在表格算法,希望能让大家看的更明白 STEP 1 - 开放 A 当绿色值...